IA y empleo: de los “humanos mejorados” a la reconfiguración del trabajo

La Inteligencia Artificial está transformando el trabajo desde dentro. El informe “Previsión tecnológica de NTT DATA para 2025” define cinco tendencias —agentes humanos mejorados, experiencias inteligentes en el entorno, sostenibilidad digital, convergencia cognitiva en la nube y fusión acelerada de la seguridad— y ofrece un mapa nítido de cómo se reorganizan tareas, decisiones y roles profesionales. El resultado inmediato no es la sustitución masiva, sino el aumento sistemático de capacidades y productividad allí donde la IA se integra con propósito y gobernanza.

Humanos mejorados: productividad real, tareas mejor definidas

El concepto de agentes humanos mejorados describe una colaboración estrecha entre personas y máquinas que amplifica el rendimiento: asistentes virtuales, avatares digitales, IA generativa y automatización descargan trabajo repetitivo y elevan el listón de la calidad. El informe subraya un problema práctico: los empleados dedican un 20 % del día a buscar información y un 28 % al correo; recortar solo 30 minutos por persona y día en una organización de 1.000 empleados supone ahorros anuales superiores a 1,5 millones de euros. La consecuencia laboral es doble: más foco en tareas de alto valor y necesidad de rediseñar procesos para capturar ese ahorro.

Además, la IA actúa como soporte a la decisión: análisis predictivo, recuperación aumentada por IA (RAG) y comprensión del lenguaje natural permiten combinar datos dispersos sin crear nuevos silos de integración. La calidad de la decisión mejora y se documenta mejor, lo que repercute en mandos intermedios y perfiles de soporte: menos tiempo de consolidación manual, más verificación y orquestación.

El lugar de trabajo asistido por IA: del correo y los informes al copiloto interno

La implantación de chatbots internos, asistentes generativos y analítica en tiempo real reconfigura el flujo de trabajo: resúmenes automáticos de reuniones, priorización de tareas, procesamiento inteligente de documentos y respuestas a dudas sobre políticas reducen ciclos y errores. El diseño organizativo cambia: crece la demanda de product owners capaces de traducir procesos a prompts y de especialistas en knowledge management que curen fuentes y taxonomías. Los empleados reciben “apoyo en contexto” y formación personalizada por plataformas que ajustan itinerarios a brechas reales. Esta combinación de soporte y aprendizaje acelera la adopción y evita cuellos de botella humanos.

Desarrollo de software asistido por IA: velocidad, seguridad y menos deuda

El desarrollo de software es uno de los núcleos de impacto. Las herramientas de IA sugieren código en tiempo real, generan pipelines de CI/CD desde el repositorio, automatizan refactorizaciones y predicen fallos para mitigarlos antes del despliegue. El informe detalla beneficios medibles —menos errores, mejor calidad, ahorro— y el impulso a prácticas MLOps para gestionar el ciclo de vida de modelos (entrenamiento, puesta en producción, monitorización, reentrenamiento). En términos laborales, se reasignan tareas: menos trabajo repetitivo de “pegado de código”, más responsabilidad en revisión, seguridad y arquitectura.

El dato macro acompaña: el mercado de IA generativa aplicada al desarrollo de software alcanzó 49.800 millones de dólares en 2024, con crecimiento interanual del 21,46 %. La inversión sugiere que el “copiloto de desarrollo” será estándar y que los perfiles demandados combinarán dominio del negocio, buenas prácticas de ingeniería y capacidad para trabajar con IA.

Seguridad, ética y regulación: la otra mitad del empleo en IA

La expansión de la IA trae consigo nuevas funciones en seguridad y cumplimiento: privacy by design, mitigación de sesgos, técnicas de explicabilidad (SHAP, LIME), defensa ante ataques adversarios, auditorías periódicas y adecuación a marcos como el RGPD y la Ley de IA de la UE. El informe es claro: la seguridad y el cumplimiento serán determinantes del éxito y crearán demanda de especialistas en gobernanza de datos, RegTech y auditoría de modelos. En paralelo, la transparencia —fichas de modelo, trazabilidad, rendición de cuentas— se vuelve requisito para la aceptación de la IA por parte de empleados y clientes.

Convergencia cognitiva en la nube y experiencias inteligentes: impacto sectorial

Las empresas integran IA avanzada con cloud y edge para mejorar operaciones y decisiones en tiempo real, a la vez que rediseñan la experiencia del cliente con interfaces naturales, asistentes personales y estrategias omnicanal. Esto desplaza tareas desde la “operación manual dispersa” a la “orquestación guiada por IA”. En términos de empleo, los sectores con más casos de uso en el informe —redes, industria/almacén, servicios financieros, automoción, cumplimiento— verán una mezcla de automatización de tareas y creación de roles híbridos (operación+IA).

Los ejemplos concretos del informe —copiloto de ingeniería de redes, prevención de fraude, asistentes de almacén, copiloto de comercio energético, asistente de cumplimiento RGPD— muestran patrones repetibles: menos tareas rutinarias, más supervisión, interpretación y decisión. La interfaz del trabajo cotidiano cambia y con ella los requisitos de competencias.

Eficiencia y accesibilidad tecnológica: modelos ligeros y costes

La adopción también depende de la eficiencia. El caso del modelo “tsuzumi” de NTT (600 M y 7.000 M de parámetros) ilustra cómo los LLM ligeros permiten inferencia rápida en GPU única —o incluso CPU— con costes energéticos y económicos más bajos, y personalización por adaptadores para dominios. Para el empleo, esto significa que más organizaciones —no solo las de mayor tamaño— podrán desplegar IA en procesos críticos, impulsando la demanda transversal de talento en integración, prompting avanzado y gobierno.

Riesgos laborales: brecha de cualificación, islas de supervisión e inestabilidad elástica

Los escenarios del informe advierten sobre tres tensiones: (1) desfase regulatorio: capacidades que se expanden más rápido que las salvaguardas; (2) “islas de supervisión”: sectores fuertemente regulados (finanzas, salud) que marcan el paso frente a otros con vigilancia menor; y (3) brecha en la mejora de competencias: la carrera por re/recualificar puede producir ganadores y perdedores, con efectos sobre la equidad. La “inestabilidad elástica” describe un auge de la economía colaborativa mediado por IA que aumenta flexibilidad y diversidad, pero exige nuevos equilibrios de protección.

Qué cambia en las tareas (por familias profesionales)

Operaciones y atención al cliente: automatización de trámites, respuestas y clasificación documental; más tiempo en resolución compleja y trato de alto valor.

Tecnología y datos: menos “tecleo” repetitivo, más diseño de arquitectura, seguridad, MLOps y governance; el rol del desarrollador se orienta a supervisión y calidad asistidas por IA.

Riesgos/compliance: crecimiento de puestos en XAI, auditoría de modelos, protección de datos, RegTech y gestión de riesgos con IA.

Operaciones físicas/industria: asistentes de almacén, planificación, garantía de calidad y resolución en tiempo real; menos tiempos muertos, más control y seguridad.

Cómo empezar (talento y organización)

El informe propone una hoja de ruta “5–5–5” trasladable a talento y productividad: en 5 minutos, identificar tres cuellos de botella de procesos; en 5 días, desplegar un chatbot interno para consultas y recuperación de información; en 5 meses, formar un grupo interdepartamental de “campeones de IA” para consolidar casos de uso y cultura. Este enfoque minimiza riesgos, maximiza aprendizaje y crea tracción en el puesto de trabajo.

En paralelo, tres pilares de foundation: (1) datos y gobernanza (calidad, privacidad, seguridad, malla de datos); (2) arquitectura y MLOps para escalar; (3) gestión del cambio y capacitación continua para acelerar la adopción y aceptación por la plantilla.

Principios de implantación responsable

La aceptación social y la sostenibilidad del cambio requieren: detección y mitigación de sesgos; explicabilidad al mismo nivel que el propio resultado del modelo; seguimiento de derivas de rendimiento; documentación (fichas de modelo) y trazabilidad; y alineación con marcos como RGPD y la Ley de IA. Estos elementos no son burocracia, sino condiciones de posibilidad para escalar y sostener el valor de la IA en el empleo.

La foto que dibuja el informe es consistente: la IA reordena el trabajo, no solo lo automatiza. Donde se integra con sentido, surgen tareas más ricas, decisiones más informadas y nuevas oportunidades profesionales —especialmente en seguridad, gobernanza, datos y orquestación de procesos—. El riesgo no es la IA, sino la ausencia de formación, de gobernanza y de plan. La mejor defensa laboral es una buena adopción: empezar pequeño, medir, explicar y formar.

Descarga el informe en https://es.nttdata.com/insights/reports/ntt-data-technology-foresight-2025

Temas relacionados: Inteligencia artificial